Средства автоматического сохранения контрольных точек в суперкомпьютерной системе коллективного пользования

Баранов А.В., Федоров Р.С. · Труды НИИСИ РАН. · 2020

Статья посвящена задаче автоматического сохранения контрольных точек для заданий, использующих для своего выполнения единственный вычислительный узел суперкомпьютера. В статье сформулированы требования к средствам автоматического сохранения контрольных точек в системе коллективного пользования суперкомпьютером. Рассмотрены средства Berkeley Lab Checkpoint/Restart (BLCR), Сheckpoint Restore In Userspace (CRIU) и Distributed MultiThreaded Checkpointing (DMTCP). Показано, что сформулированным требованиям более всего удовлетворяет продукт DMTCP, для которого экспериментально получены оценки быстродействия и влияния на производительность вычислений. Рассмотрены вопросы интеграции с Системой управления прохождением параллельных заданий (СУППЗ), применяемой в МСЦ РАН, и рекомендации по практическому применению средств автоматического сохранения контрольных точек. The article is devoted to the problem of automatically checkpoints for jobs that runs at a single supercomputer node. The paper formulates the requirements for the checkpoint and restore tools in the supercomputer job management system. Berkeley Lab Checkpoint / Restart (BLCR), Checkpoint Restore In Userspace (CRIU), and Distributed MultiThreaded Checkpointing (DMTCP) tools are reviewed. It is shown that the DMTCP product is the most satisfactory for the formulated requirements. For the DMTCP the estimates of speed and impact on computing performance have been experimentally obtained. The issues of integration with the job management system called SUPPZ used at the JSCC RAS, and recommendations on the checkpoint and restore tools practics are considered.

Cited by 0 works. doi:10.25682/niisi.2019.6.0017

Authors